Hacia el diagnóstico automatizado: Modelos de aprendizaje profundo para la la detección de estenosis

Описание: Seminario de investigación: Hacia el diagnóstico automatizado: Modelos de aprendizaje profundo para la segmentación de vasos y la detección de estenosis en angiografías coronarias de rayos X.

RESUMEN
Las enfermedades cardiovasculares representan una de las principales causas de mortalidad a nivel mundial. En este contexto, el diagnóstico temprano y preciso de la estenosis coronaria es fundamental para mejorar la atención clínica. La charla presentará avances recientes en el uso de modelos de aprendizaje profundo aplicados a la segmentación de vasos sanguíneos y la detección automática de estenosis en angiografías coronarias de rayos X. Se discutirán tanto los retos técnicos (calidad de imagen, variabilidad anatómica, manejo de bases de datos limitadas) como las estrategias computacionales empleadas para resolverlos, entre ellas arquitecturas de redes neuronales convolucionales y enfoques modernos de visión por computadora. Esta investigación abre la puerta hacia soluciones que combinan inteligencia artificial y medicina, con impacto directo en la salud pública y la práctica hospitalaria.

SEMBLANZA
Emmanuel Ovalle Magallanes obtuvo el grado de Doctor en Ingeniería Eléctrica por la Universidad de Guanajuato (UG) con reconocimiento Summa Cum Laude, el grado de Maestro en Ciencias con especialidad en Computación y Matemáticas Industriales, por el Centro de Investigación en Matemáticas (CIMAT-Guanajuato) y el grado de Ingeniero en Computación por la Universidad Autónoma de Zacatecas (UAZ). Ha participado en diferentes proyectos de desarrollo de software para HDI Seguros, Banco de México, IntelLabs Guadalajara e Idea Guanajuato.

Actualmente es Investigador de Tiempo Completo en la Universidad de La Salle Bajío, dirigiendo el área de investigación de Inteligencia Artificial y Desarrollo de Software. Es miembro del Sistema Nacional de Investigadores (SNI) nivel I, así como miembro de la Academia Mexicana de Computación.

Sus principales intereses de investigación incluyen Inteligencia Artificial, visión por computadora, procesamiento de imágenes, análisis y optimización numérica, aprendizaje máquina y Modelos de lenguaje de visión enfocados en las áreas de imágenes médicas y navegación autónoma de robots. Es autor de más de una docena de artículos de investigación publicados en revistas indexadas en el Journal Citation Reports. Además, es revisor activo de las revistas y congresos más reconocidos en su área.